Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial 4.0
Internacional.
Palabras clave:
modelación matemática, formación de docentes, tecnología, probabilidad, proporción.
Abstract:
The present study aims to favor the processes of learning and implementation of mathematical
modeling notion pre-service and in-service teachers’ training. In order to achieve so, we describe a
proposal which main goal is teachers experiment and solve a situation based on mathematical
modeling process by taking a student’s role. We first discuss the theoretical aspects that support the
proposal and present the two phases that make up the study. The results exhibit a design of a
situation that takes place in a biological context whose tasks are properly inscribed in the phases of
mathematical modeling process. In our example of situation, a technological tool is incorporated with
the purpose of assisting the transit between the set out of the problem and the production of
mathematical models.
Keywords:
mathematical modeling, pre-service teachers, in-service teachers, technology, probability,
proportion.
Introducción
De acuerdo con Flores (2006), una condición para que el investigador se convierta en un
agente de cambio educativo es la vinculación con escuelas donde se apoye al docente en la
incorporación de resultados de investigación en su práctica diaria. Específicamente, parte de
la investigación en didáctica de las matemáticas ha hecho numerosas aportaciones al estudio
de situaciones y estrategias para la enseñanza de contenidos matemáticos; sin embargo,
incorporar estas situaciones en un salón de clases demanda la vinculación constante con los
docentes a través de reflexiones en su formación inicial y continua.
Es por ello que currículos de diversos países han incorporado como un objetivo principal
del perfil de egreso el desarrollo de competencias de modelación matemática. A manera de
ejemplo, México, a través de la Reforma Integral de Educación Básica del año 2009, manifiesta
la necesidad de que los alumnos modelicen situaciones de la vida cotidiana desde el
preescolar hasta la secundaria (SEP, 2011). Por otro lado, la OCDE la considera dentro de los
estándares evaluados en la prueba PISA (OCDE, 2010).
De acuerdo con Alsina (2007), es necesario recordar la razón principal por la que son
enseñadas las matemáticas: lograr que los alumnos se conviertan en seres capaces de aplicar
las matemáticas y transferir dichos conocimientos en una variedad de contextos y situaciones
fuera de la escuela. Por ello, la habilidad de identificar y resolver problemas en su ambiente
cultural es un objetivo importante en la asignatura de matemáticas, ya que con ello se logrará
preparar ciudadanos críticos y buenos profesionistas en cualquier contexto que se les
presente (Muller y Buskhardt, 2007).
Con el fin de alcanzar estos objetivos, se inicia el estudio de una estrategia que potencia el
vínculo entre la matemática escolar y la experiencia de vida de los estudiantes: la modelación
matemática (Lesh y Yoon, 2007). La definición de la modelación matemática se ha ido
enriqueciendo desde que Pollak en 1969 puntualizó los pasos o etapas que la conformaban:
Para la investigación son tres momentos principales los que deben seguirse en clases
basadas en modelación matemática:
Durante estos momentos, tanto docente como alumnos cumplen roles específicos que
detallaremos a continuación:
a) Rol del alumno. De acuerdo con Lakoma (2007), existen tres tareas básicas de los
alumnos en el proceso de modelación: realizar predicciones y conclusiones,
generalizarlas, justificarlas y aplicarlas a la práctica y, por último, presentarlas a otras
personas. Durante este proceso los alumnos sugieren situaciones de su realidad y crean
modelos para dichos escenarios específicos. Estas acciones promueven el desarrollo de
habilidades matemáticas y herramientas que les permitan representar, estimar, llegar a
aproximaciones, analizar errores, razonar, revisar la inconsistencia de soluciones y
comunicar sus resultados (Pollak, 2007).
b) Rol del docente. Los resultados de Doerr (2007) muestran que las actividades del
docente en modelación matemática estriban en la elección de la situación que se va a
modelar de acuerdo con el contenido que desea tratar, buscando la situación más
apropiada, la proposición de situaciones donde los alumnos puedan interpretar,
explicar y justificar modelos matemáticos, así como motivar a compartir su manera de
pensar.
Ahora bien, estos roles se realizan dentro de un aula de clase que privilegie el aprendizaje
colaborativo. Así, se invita a conjuntar esfuerzos, intereses, talentos y competencias para el
cumplimiento de metas establecidas en conjunto por los miembros del grupo que apoyan la
comprensión de los problemas y procedimientos de solución. El trabajo colaborativo en la
modelación matemática permite interacciones que favorecen un ambiente social y la
promoción de discusiones para la solución de problemas más complejos (Alsina, 2007).
Por último, el ambiente en el salón de clase debe permitir la descripción de los modelos
individualmente, en equipo o grupalmente. El aula de clase se convierte en un espacio
creativo donde el aprendizaje se construye por todos los miembros del grupo, se promueve
la participación en la discusión de problemas y la propuesta de ejemplos y contraejemplos; es
decir, la construcción del conocimiento matemático (Santos, 1997).
Tomar en cuenta las características y rasgos relevantes del trabajo con la modelación
matemática es indispensable para la obtención de logros en su aplicación.
De acuerdo con Latapí (2003), alcanzar una mejora en la educación requiere retomar como
asunto central la formación de los maestros, puesto que este proceso constituye la vía por la
que el sistema renueva sus prácticas, cuestiona sus tradiciones, acepta nuevas visiones
teóricas, se abre al conocimiento y se revitaliza. A pesar de ello, la formación docente es
considerada uno de los elementos más débiles del sistema educativo, puesto que en su
mayoría contempla programas obsoletos y el empleo de métodos de enseñanza rutinarios
(Estrada, Batanero y Fortuny, 2004). Por tanto, lograr cambios en las aulas de clase de
matemáticas será posible a través de cambios en la formación de docentes (Alsina, 2007).
Actualmente, el reto de la educación docente estriba, pues, en diseñar una pedagogía que
facilite el empleo de métodos constructivistas para la enseñanza de matemáticas en todos los
niveles; es decir, preparando a docentes que enseñen matemáticas para su entendimiento y
su aplicación y no su memorización (Nyaumwe, 2004).
Rescatamos dos investigaciones que proponen metodologías para el trabajo con docentes
en formación con la modelación matemática. El estudio de Quiroz, Hitt y Rodríguez (2015)
muestra que la incorporación de la modelación matemática al currículo de la formación
docente debe ser un proceso gradual de reflexión donde los futuros docentes tengan
oportunidad de evolucionar sus concepciones respecto a la enseñanza y el aprendizaje de las
matemáticas. Este proceso debe relacionar no solo aspectos teóricos relativos a la
modelación, sino a su vez brindar oportunidades de poner en práctica la estrategia a través
de la planeación e implementación de una lección de matemática con alumnos en aulas de
clase. Estas oportunidades permitirán que el docente reconozca no solo los beneficios de la
modelación matemática, sino que a su vez reflexione respecto a las dificultades de su
incorporación.
Ahora bien, las situaciones elegidas deberán estar acordes con contextos no matemáticos
atractivos para los mismos docentes y que les generen un reto en sus conocimientos
matemáticos. Esta selección será realizada por el profesor formador de docentes tomando en
cuenta las características de sus alumnos, así como sus intereses. Además de ello, es
recomendable que las situaciones involucren el uso de un recurso tecnológico, puesto que
con ello será posible la discusión posterior relativa a la utilidad de este durante el proceso de
resolución.
Las situaciones propuestas a los docentes, por tanto, deberán ser preparadas con
anticipación, buscando que estas abarquen los tres momentos del proceso de modelación
matemática: 1) introducción al contexto real; 2) matematización de la situación a partir de los
datos del contexto; y, 3) síntesis y regreso al contexto real. Respecto a la incorporación de la
tecnología, esta es recomendable hacerse siguiendo las sugerencias del estudio de Rodríguez
y Quiroz (2015): al momento de plantear una situación real, al momento de la formación de
un modelo matemático y al momento de vincular los resultados matemáticos con la situación
real.
Consideraciones metodológicas
El presente artículo muestra los resultados de la primera fase del estudio; es decir, el
diseño de la situación-problema. El objetivo principal es el diseño de una secuencia basada en
modelación matemática que tome en cuenta los aspectos teóricos de la estrategia y el
involucramiento de una tecnología de apoyo con el fin de promover el proceso de
aprendizaje de la modelación matemática en docentes en formación inicial y continua. Se
presenta en la siguiente sección el resultado de tal diseño.
La situación que a continuación se presenta se denomina “La genética de acuerdo con las
leyes de Mendel”, y el contexto bajo el que se inscribe se encuentra en la biología,
específicamente en genética relativo a la segunda ley de Mendel. La temática del contexto se
eligió de esa manera debido a su característica de transversalidad entre asignaturas. Abordar
el planteamiento de la situación desde la biología y sin incluirlo en el título busca a su vez no
explicitar el uso de matemáticas en el mismo planteamiento. Aunado a lo anterior, el tema
aparece desde los primeros grados escolares y es recursivo en los siguientes años, aunque
con diferentes niveles de profundidad. Además de que las aportaciones de Mendel
representan un parteaguas en la biología que permitió el desarrollo de una rama de esta: la
genética (Darden, 1991; Lorenzano, 2005; Gliboff, 2015).
Los conceptos matemáticos que son posibles abordar en la situación son: proporcionalidad,
razones, eventos aleatorios, histogramas de frecuencia, probabilidad clásica, porcentajes,
entre otros. Durante la actividad, la tecnología es incorporada en el momento de la formación
del modelo matemático a partir de los datos reales y en la síntesis y regreso a la situación
real. Esta elección favorece el tránsito entre las etapas de la modelación, como lo señalan
Rodríguez y Quiroz (2015), y además ofrece alternativas de solución y el desarrollo del
pensamiento matemático (Villarreal, 2012).
Los momentos y las tareas que componen a la situación “La genética de acuerdo con las
leyes de Mendel” se detallan en la figura 1. Posteriormente se describe con mayor detalle
cada tarea relativa a los tres momentos de la secuencia didáctica.
Fig. 1.
El contexto real que se le propone al estudiante tiene que ver con la aparición de la
genética y los trabajos de Gregory Mendel, que permitieron el desarrollo de la teoría genética,
siendo precursor de dicha parte de la biología (Darden, 1991). En esta tarea se explica de
manera general la historia de Gregory Mendel y su trabajo. Además se inicia el
involucramiento de conceptos biológicos como: genes, alelos, gen dominante, gen recesivo,
genotipo, fenotipo, cruza híbrida, primera ley de Mendel. Esta presentación puede realizarse
por medio de una lectura o bien por medio de un video. En esta tarea es posible el
involucramiento del profesor de ciencias o biología, dependiendo del nivel educativo. En la
figura 2 se muestra una visión general de la presentación del contexto:
Es importante reconocer que las investigaciones de Mendel sentaron las bases para el
estudio de cómo los seres vivos se “mezclan” y producen “nuevas” generaciones con
atributos comunes y cómo también ciertas especies “pierden” atributos. Además, para
la ciencia los trabajos de Mendel constituyeron avances importantes en aspectos
metodológicos y experimentales, puesto que Mendel reconoció la necesidad de una
experimentación rigurosa y sistemática, además de expresar sus resultados en forma
cuantitativa mediante recursos estadísticos, lo cual fue un parteaguas en los trabajos
de biología de la época.
Antes de los trabajos de Mendel se tenía en consideración una teoría que se conocía
como la herencia por mezcla, la cual suponía que los caracteres de los padres y las
madres se mezclaban; es decir, si consideramos el cruce entre dos flores, una roja y
una blanca, la flor resultante de la cruza será rosada. A esta teoría se le llamaba
pangénesis.
Los genes se presentan por pares. Por ejemplo, en el guisante amarillo, el par asociado
de genes se considera (A, A), el cual será tomado como el gen dominante. Mientras que
el gen del guisante verde está asociado al par (v, v). Al realizar una cruza de estas dos
razas puras de guisantes, cada una aporta un gen para formar un nuevo par que
determinará el color del guisante, al cual llamaremos híbrido, ya que no es “puro”.
En síntesis, cuando Mendel hace mención de una cruza híbrida, se refiere a un
guisante que se formó a partir de un gen aportado por un guisante amarillo
dominante y un gen aportado por un guisante verde recesivo, ambos de raza pura. Lo
anterior implica que cuando existe una cruza de guisantes, cada uno de ellos aportará
un gen cada uno a la siguiente generación.
Ahora bien, como cada uno de los “padres” (o la raza pura) aporta un gen a la nueva
generación siguiente, esta nueva generación tendrá nuevamente un par de genes,
donde tendrá un gen aportado por el guisante amarillo y uno del guisante verde (pero
recuerden que el guisante amarillo tiene un par de genes, al igual que el guisante
verde). Lo anterior permite la aparición de una generación de guisantes híbrida
amarilla al 100%, porque justo el gen A es el dominante y dará el color del guisante
híbrido de la nueva generación (el fenotipo), aun cuando contenga un gen verde
recesivo. Lo anterior se puede apreciar en la siguiente imagen:
Lo anterior también podría representarse por medio de un cuadro de Punnet:
Fig. 2.
Ahora bien, como se puede apreciar en la tabla anterior, todos los guisantes de la
primera generación tienen un par de genes, uno amarillo dominante y uno verde
recesivo; es decir, sus genes son (A, v). La anterior relación dio pie a la primera ley de
Mendel: principio de la uniformidad de los heterocigotos de la primera generación
filial, la cual establece que si se cruzan dos razas puras (un homocigoto dominante con
uno recesivo) para un determinado carácter, los descendientes de la primera
generación serán todos iguales entre sí, fenotípica (lo visible) y genotípicamente
(código genético), e iguales fenotípicamente a uno de los progenitores (de genotipo
dominante).
Ahora bien, considera la siguiente pregunta y reflexiona junto con tus compañeros una
posible conjetura: ¿qué sucedería si ahora producimos una nueva generación de
guisantes, pero usando a los miembros de la raza híbrida?
Para el caso que planteamos de la cruza de dos guisantes híbridos, se tiene que
considerar en un inicio un par de guisantes heterocigotos, cuyos genes son de la
siguiente manera: (A, v) y (A, v).
Fig. 3.
Cuando Mendel realizaba los experimentos de este tipo pudo observar que obtenía
muchos guisantes con características de piel amarilla y mucho menos con
características de piel verde.
En esta tarea se debe dar inicio a cuestionamientos sobre la naturaleza del fenómeno a
enfrentar, específicamente que el color del guisante resultado de la cruza de un par de
guisantes híbridos son eventos de un experimento aleatorio.
Algunas preguntas que pudieran motivar la reflexión podrían ser como las siguientes:
• ¿De qué manera podría averiguar Mendel qué tantos de los posibles resultados de
guisantes de segunda generación serán amarillos y qué tantos serán verdes?
Se espera de esta manera promover la reflexión sobre la importancia de la
experimentación, en este caso combinar guisantes de la primera generación para ver los
resultados y reflexionar sobre ellos. Las siguientes preguntas intentan favorecer una
experimentación en el salón de clases y analizar los posibles resultados.
Es importante realizar al menos diez lanzamientos por pareja. Se sugiere registrar los
resultados en una tabla como la que se presenta en la figura 4.
Fig. 4.
Tabla para registrar los resultados del lanzamiento de las fichas de colores.
Una vez que los equipos hayan completado su tabla, se puede cuestionar sobre el
comportamiento de los guisantes obtenidos de la cruza. Por ejemplo, se puede pedir que en
equipos realicen las actividades sugeridas y respondan las preguntas:
• ¿Coinciden tus resultados con los obtenidos en las tablas de tus compañeros?, ¿por
qué?
Para esta tarea se espera contar con la tecnología propuesta; sin embargo, se pueden usar
en su lugar hojas de cálculo. Se muestra a continuación una secuencia de pasos utilizando
una calculadora FX-CP400, la cual permite simular hasta 500 experimentos.
Esta reflexión dirigida por el docente puede llevar a proponer que el color amarillo (gen
dominante) y al color verde (gen recesivo) se les puede representar como un 1 y un 0,
respectivamente.
Fig. 5.
Si al llevar a cabo las cruzas se realizan las sumas de estos genes, es posible obtener tres
resultados diferentes: 0, 1 y 2. Estos resultados significan lo siguiente:
Fig. 6.
En la calculadora se usará una hoja de cálculo donde se registrarán los resultados de los
experimentos aleatorios, considerando la suma de cualquiera de estos dos valores, ya que
esta representa la cruza. Cada celda de la hoja de cálculo significará entonces cada uno de los
descendientes de la cruza de dos guisantes híbridos.
En esta tarea se busca cuestionar la forma en la cual se distribuía la población que Mendel
obtenía. Al inicio de la situación se mencionó que el austriaco obtenía muchos guisantes con
características de piel amarilla y mucho menos con características de piel verde. Ahora, a
través de los resultados generados por la calculadora se puede corroborar este hecho y
explicar el porqué, pero además usando para ello representaciones gráficas como
histogramas de frecuencias.
Tabla 2.
Fig. 7.
• ¿Qué proporción de los guisantes son híbridos?, ¿de qué color serían estos híbridos?
Fig. 8.
A continuación, con tus propias palabras describe una ley del comportamiento de la
nueva generación a partir de la cruza de individuos de raza híbrida, según lo que
acabas de observar y experimentar.
Conclusiones
El presente estudio tuvo como intensión poner en la mesa de discusión la necesidad de
implementar, dentro de las instituciones formadoras de docentes, metodologías donde los
futuros docentes tengan oportunidad de experimentar, desde el punto de vista del alumno, el
trabajo con una situación basada en modelación matemática. Este trabajo de reflexión sobre
la práctica busca sumarse a las propuestas para la proposición del proceso de aprendizaje de
la modelación por parte de los futuros docentes. Se espera que este tipo de actividades
acerquen al docente con las bondades, características y dificultades propias del uso de la
modelación matemática y con ello se apoye una mayor implementación de esta estrategia en
su trabajo con sus futuros alumnos.
Los resultados presentados de la fase 1, así como el futuro trabajo en la fase 2, buscan
aproximarse a realizar una investigación-acción donde se promueva la vinculación entre la
práctica diaria del docente con el trabajo del investigador, permitiendo al primero una mejora
de su desempeño y al segundo un mayor entendimiento del quehacer diario del docente en
el aula de clases de matemáticas.
Agradecimientos
Este manuscrito presenta algunos resultados en el marco del proyecto Prodep “Laboratorio
de innovación y didáctica de las matemáticas con tecnología”, folio UACOAH-PTC-405, carta de
liberación DSA/103.5/16/10616.
Referencias
Alsina, C. (2007). Less chalk, less words, less symbols... more objects, more context, more
actions. En W. Blum, P. Galbraith, H.W. Henn y M. Niss (eds.), Modelling and Applications
in Mathematics Education, The 14th ICMI Study, 10(21), 35-44.
http://doi.org/10.1007/97803872982212
Creswell, J. (2007). Qualitative Inquiry & Research Design: Choosing Among Five
Approaches. California, Estados Unidos: Sage.
da Ponte, J.P. (1994). Mathematics teachers’ professional knowledge. En J.P. da Ponte y J.F.
Mateos (eds.), Proceedings of the Eighteenth International Conference for the Psychology
of Mathematics Education. Lisboa, Portugal: Universidad de Lisboa.
da Ponte, J.P. (2012). Estudiando el conocimiento y el desarrollo profesional del
profesorado de matemáticas. En N. Planas (coord.), Teoría, crítica y práctica de la
educación matemática (pp. 83-98), Barcelona, España: Graó.
Darden, L. (1991). Theory Change in Science. Strategies from Mendelian Genetics. Nueva
York, Estados Unidos: Oxford University Press.
Doerr, H.M. (2007). What Knowledge do Teachers Need for Teaching Mathematics through
Applications and Modelling? En W. Blum, P. Galbraith, H.W. Henn y M. Niss (eds.),
Modelling and Applications in Mathematics Education, The 14th ICMI Study, 10(24), 69-78.
http://doi.org/10.1007/97803872982214
Flores, E. (2006). El investigador educativo como agente de cambio. 1er Simposio Nacional
de Investigación sobre la Innovación Educativa. Monterrey, México: Investigación Acción /
Instituto Tecnológico y de Estudios Superiores de Monterrey.
Latapí, P. (2003). ¿Cómo aprenden los maestros? (serie Cuadernos de discusión n. 6).
México: Secretaria de Educación Pública. Recuperado de
www.oei.es/historico/docentes/articulos/como_aprenden_maestros_latapi.pdf
Lesh, R. y Yoon, C. (2007). What is the distinctive in (our views about) models and modelling
perspectives on mathematics problem solving, learning, and teaching? En W. Blum, P.
Galbraith, H.W. Henn y M. Niss (eds.), Modelling and Applications in Mathematics
Education, The 14th ICMI Study, 10(31), 161-170.
http://doi.org/10.1007/978038729822115
Nyaumwe, L. (2004). The impact of full time student teaching on preservice teachers’
conceptions of mathematics teaching and learning. Mathematics Teacher Education and
Development, 6(1), 19-30.
Secretaría de Educación Pública. (2011). Plan de estudios 2011. Eduación básica. México:
Secretaría de Educación Pública.
Trigueros, M. (2006). Ideas acerca del movimiento del péndulo: un estudio desde una
perspectiva de modelación. Revista Mexicana de Investigación Educativa, 11(31), 1207-
1240. Recuperado de http://www.redalyc.org/pdf/140/14003106.pdf
Notas de autor
* José David Zaldívar Rojas. Profesor de tiempo completo de la Facultad de Ciencias Físico
Matemáticas de la Universidad Autónoma de Coahuila, México. Doctor en Ciencias con
especialidad en Matemática Educativa por el Centro de Investigación y de Estudios
Avanzados del Instituto Politécnico Nacional (Cinvestav-IPN). Miembro del Sistema
Nacional de Investigadores en el nivel de candidato. Sus líneas de investigación se enfocan
principalmente en estudios de construcción social del conocimiento matemático y sobre
los procesos de desarrollo profesional del docente de matemáticas bajo una perspectiva
de modelación.
** Samantha Analuz Quiroz Rivera. Investigadora posdoctoral en el Departamento de
Matemáticas de la Université du Québec à Montréal, Canadá. Doctora en Innovación
Educativa con acentuación en Matemática Educativa por el Instituto Tecnológico y de
Estudios Superiores de Monterrey. Miembro del Sistema Nacional de Investigadores Nivel I.
Sus líneas de investigación están enfocadas al estudio de la formación docente a través de
la modelación matemática, así como al aprendizaje de conceptos matemáticos en
ambientes socioculturales.
*** Gonzalo Medina Ramírez. Profesor de nivel medio superior y asesor de Ciencias
Exactas en el Liceo Alberto del Canto, de Saltillo, México. Maestro en Docencia por la
Universidad Autónoma del Noreste AC. Egresado de la Licenciatura en Matemáticas
Aplicadas de la Facultad de Ciencias Físico Matemáticas (FCFM) de la Universidad
Autónoma de Coahuila y actualmente cursa sus estudios de maestría en Matemática
Educativa en la FCFM. Ha participado en diversos coloquios y simposios de educación
matemática relacionados al uso de la tecnología para el aprendizaje de las matemáticas.
HTML generado a partir de XML-JATS4R por